Universitas 17 Agustus 1945 Surabaya
RANCANG BANGUN RECOMMENDER APPLICATION SYSTEM
UNTUK PEMILIHAN TEMPAT TUJUAN WISATA MENGGUNAKAN
METODE COLLABORATIVE FILTERING
Brilian Rizky Rintya Putra
Program Studi S1 Teknik Informatika, Fakultas Teknik Universitas 17 Agustus 1945 Surabaya
Jl. Semolowaru 45 Surabaya 60118 Telp. (031) 5931800, Fax.(031) 5921597
Email : [email protected]
Abstract
The application of technology Recommender System (RSs) in the web-based technology with the collaborative filtering method, on the tourism dynamic database system will make the development of information technology web based becomes more dynamic, attractive and interactive in providing information and can provide recommendations to the tourist.
The digital era makes development of global tourism currently open to collaborate with latest technology, especially on the development of information technology web-based, where the tourist can participate actively in the process of producing tourism content in a systematic and dynamic. They will be encouraged to use technology to convey relevant information about new tourist destinations in the all of region or information about tourist destinations sought by the potential tourists other.
Keywords:Recommender System, Collaborative Filtering, Tourism, Information Technology
Abstrak
Penerapan teknologi Recommender System (RSs) pada teknologi berbasis website dengan menggunakan metode Collaborative Filtering pada sistem basis data yang dinamis dibidang pariwisata akan membuat perkembangan teknologi informasi berbasis website menjadi semakin dinamis, atraktif dan interaktif dalam memberikan informasi dan rekomendasi kepada para wisatawan.
Era digital menjadikan perkembangan pariwisata global saat ini terbuka untuk dikolaborasikan dengan teknologi terbaru, utamanya pada perkembangan teknologi informasi berbasis website, dimana wisatawan dapat ikut berperan aktif dalam proses produksi konten pariwisata secara sistematis dan dinamis, mereka akan didorong memanfaatkan teknologi untuk menyampaikan informasi yang relevan tentang destinasi wisata baru di berbagai daerah atau informasi tentang tempat wisata yang dicari oleh calon wisatawan lainnya.
Kata Kunci: Recommender System, Collaborative Filtering, Pariwisata, Teknologi Informasi
1. PENDAHULUAN
Indonesia merupakan salah satu negara dengan potensi pariwisata yang luar biasa, banyak destinasi wisata yang tidak kalah dengan berbagai Negara di dunia, bahkan beberapa tempat di Indonesia selalu
menjadi favorit para wisatawan dunia, diakui dunia melalui UNESCO sebagai cagar budaya internasional, berdasarkan data dari kementerian pariwisata tercatat setiap tahunnya Indonesia selalu mengalami kenaikan jumlah kunjungan wisatawan baik domestik maupun manca negara, hal ini
Universitas 17 Agustus 1945 Surabaya
tentu sagat luar biasa serta akan sangat berpengaruh bagi pertumbuhan dan perkembangan pariwisata Indonesia.
Dengan dukungan teknologi informasi yang berkembang pesat saat ini potensi pariwisata pada setiap daerah di Indonesia wajib dikembangkan, promosi sebagai wahana pengenalan terhadap objek wisata sangatlah penting untuk memunculkan dan mengenalkan destinasi baru kepada wisatawan, hingga pada akhirnya dapat menarik perhatian baik wisatawan lokal maupun internasional untuk lebih mengenal budaya daerah ataupun produk asli daerah mereka, hal ini akan memberi efek positif bagi perkembangan daerah tersebut termasuk memberikan sumbangan terhadap pendapatan daerah serta membuka lapangan kerja baru di sektor pariwisata daerah tersebut dan lebih luas tentunya akan memberikan dampak positif bagi dunia pariwisata Indonesia.
Salah satu produk dari perkembangan teknologi informasi saat ini adalah Recommender System(RSs) atau yang sering disebut sebagai sistem rekomendasi, pada awalnya cukup suskses diterapkan pada e-commerce untuk menawarkan produk dan informasi kepada konsumen dalam membantu menentukan dan memutuskan pembelian produk atau jasa. Penerapan sistem rekomendasi pada bidang pariwisata diharapkan dapat menjadi trobosan bagi masyarakat untuk dapat memunculkan dan memeperkenalkan destinasi wisata baru yang menarik wisatawan lokal mauapun manca negara, serta mampu memberikan rekomendasi kepada wisatawan untuk dapat menentukan, memutuskan dan memilih tujuan wisata melalui beberapa kriteria yang didesain melalui sistem basis data yang dinamis dengan menerapkan salah satu pendekatan yang paling populer yaitu metode Collaborative Filtering, teknologi dan metode ini paling efektif digunakan pada aplikasi berbasis Web ataupun Mobile.
Penerapan teknologiRSs pada aplikasi berbasis Web dengan menggunakan metode Collaborative Filtering pada sistem basis data yang dinamis dibidang pariwisata akan menambah warna baru penerapan
teknologi ini serta membuat perkembangan e-tourism akan menjadi semakin dinamis, atraktif dan interaktif dalam memberikan informasi serta rekomendasi kepada wisatawan.
2. METODE PENELITIAN
Adapun bahan dan metode yang
diperlukan dalam pembuatan Rancang
Bangun Recommender Application System
Untuk Pemilihan Tempat Tujuan Wisata
Menggunakan Metode Collaborative
Filteringini adalah:
2. 1. Phalcon Framework
Phalcon Framework adalah framework open source berlisensi dibawah ketentuan Lisensi BSD merupakan salah satu framework php dengan kinerja tinggi (high performance framework).Phalcon juga memiliki beberapa versi yang compatible dengan lintas platform diantaranya Windows, Linux, Mac, FreeBSD.
Phaconditulis dalam C-extension yang dioptimalkan untuk membuat sebuah aplikasi dengan performa tinggi.Phalcon juga menawarkan konsep OOP (Object Oriented Programming) atau pemrograman berorientasi objek yang diperlukan untuk mengimplementasikan arsitektur MVC (Model – View - Controller) pada aplikasi yang akan dibuat, pola desain seperti ini juga banyak dipakai oleh frameworkweb dan aplikasi desktop lainnya.
Fitur dasar dari framework ini diantaranya adalah :
1. Low Overhead
Konsumsi memori yang rendah pada CPU, dibandingkan dengan framework tradisional.Ekstensi Class dan Funtionyang disediakan sudah siap digunakan untuk aplikasi apapun. Ekstensi Zephir/C dimuat secara bersamaan dengan PHP satu kali pada proses daemon web server.Kode telah dikompilasi ke dalam platform degan proses tertentu.
Universitas 17 Agustus 1945 Surabaya
2. MVC dan HMVC
Framework ini menggunakan struktur file, skema, dan pola yang sangat mudah untuk dipahami pada kosep berorientasi objek, baik dengan single module ataupun dengan multiple module.
multiple/ ├── apps │ ├── backend │ │ ├── Module.php │ │ ├── controllers │ │ │ ├──IndexController.php │ │ │ ├──LoginController.php │ │ │ └──PoductsController.php │ │ ├── models │ │ │ └── Products.php │ │ └── views │ │ ├── login │ │ │ └── index.phtml │ │ └── products │ │ └── index.phtml │ └── frontend │ ├── Module.php │ ├── controllers │ │ ├──IndexController.php │ │ ├──PoductsController.php │ │ └──UsersController.php │ ├── models │ │ └── Products.php │ └── views │ ├── index │ │ └── index.phtml │ └── products │ └── index.phtml └── public
Gambar 1. Multiple Directory File
Phalcon tidak memaksakan struktur file tertentu untuk pengembangan aplikasi, pengembang dapat menerapkan aplikasi berbasis phalcon dengan struktur file paling nyaman untuk pengembang gunakan.
Single/ ├── apps │ ├── controllers │ │ ├── IndexController.php │ │ └── pductsController.php │ ├── models │ │ └── Products.php │ └── views │ ├── index.phtml │ └── products │ ├── index.phtml
│ └── test.phtml └── public └── index.php
Gambar 2.Single Directory File
3. Dependency Injection
Phalcon dibangun untuk menjadi powerful framework tetapi mudah dipahami dan menggunakan pola yang disebut dengan “Dependency Injection”.Menginialisasi dan menggunakan hampir dimana saja selama aplikasi berlangsung.
//Create the Dependency Injector Container $di = new Phalcon\DI(); //Register Class, functions, components $di->set(“request”, new Phalcon\Http\Request()); .. //Use Anywhere else in code $request = $di->getShared(‘Request’);
Gambar 3.Syntax Dependency Injection
4. REST(Representational State Transfer)
Merupakan standar arsitektur komunikasi berbasis web yang sering digunakan dan diterapkan dalam pegembangan layanan berbasis web, umunya menggunakan HTTP sebagai protokol untuk komunikasi data.
Use Phalcon\Mvc\Micro; $app = new Micro(); //Returning data in JSON $app->get( ‘/check/status’, function() { return $this->response->setJsonContent( [ ‘status’ => ‘important’
Universitas 17 Agustus 1945 Surabaya
]); } );
Gambar 4.Syntax REST
5. Autoloader
Merupakan fungsi yang dipanggil secara otomatis oleh system di dalam bahasa PHP ketika fitur autoloading diaktifkan.
Use Phalcon\Loader; //Create the autoloader $loader = new Loader(); //Register some namespaces $loader->RegisterNamespaces( [ ‘Example\Base’ => ‘vendor/example/base/’, ‘Example\Adapter’ => ‘vendor/example/adapter/’, ‘Example’ => ‘vendor/example/’, ] ); //Register autoloader $loader->register();
Gambar 5.Syntax Autoloader
6. Router
Sebagai pengatur pintu masuk yang berupa request pad apalikasi , mereka memilah dan mengolah request url untuk kemudian diproses sesuai dengan tujuan akhir url tersebut.
//Create the router $router = new Phalcon\Mvc\Router(); //Define a route $router->add( ‘/admin/users/my-profile’, [ ‘controller’ => ‘user’, ‘action’ => ‘profiles’, ] );
Gambar 6.Syntax Router
2. 2. Recommender System
Recommender Systems (Sistem Perekomendasi) adalah sebuah alat dan teknologi yang menyediakan rekomendasi terkait suatu hal untuk dapat dimanfaatkan oleh user. Sistem Perekomendasi memiliki kesamaan dengan dengan konsep decision support system, karena muara dari sistem ini adalah pengambilan keputusan yang dilakukan oleh user berdasarkan data preferensi-preferensi tertentu, akan tetapi di dalam penerapan dan penggunaannya sangatah berbeda.
Terdapat banyak metode yang dapat digunakan dalam membangun sebuah sistem rekomendasi, diantara yang terkenal dan sering digunakan adalah collaborative-filtering, yaitu pendekatan yang dilakukan untuk merekomendasikan suatu item berdasarkan rating yang diberikan oleh pengguna lainnya.
2. 3. Collaborative Filtering
Collaborative Filtering, adalah salah satu dari metode untuk merancang sistem rekomendasi yang paling sering digunakan, metode collaborative filtering didasarkan pada pengumpulan data dan anailsa infomasi dalam jumlah besar, mengenai aktivitas, perilaku, dan kecenderungan pengguna dalam rangka untuk memprediksi apa yang disukai pengguna berdasarkan kemiripan dengan pengguna yang lainnya.
Collaborative Filtering murni menggunakan matriks yang berisi user-item rating sebagai satu-satunya input sedangkan output yang dihasilkan ada dua jenis, yang pertama prediksi yang mengindikasikan seberapa besar tingkat kesukaan seorang pengguna terhadap sebuah item danyang kedua adalah sebuah daftar berisi n-item yang direkomendasikan.
Istilah user atau pengguna dalam Collaborative Filtering mengacu pada mereka yang memberi penilaian terhadap item-item didalam sistem sekaligus nantinya menerima rekomendasi dari sistem.
Universitas 17 Agustus 1945 Surabaya
2. 4. Pearson Correlation Coefficient
Berikut ini merupakan persamaan dari pearson correlation coefficient (PCC) :
𝒓 =∑𝒙𝒚 −
(∑𝒙)(∑𝒚)
𝒏
√(∑𝒙𝟐−(∑𝒙)𝟐
𝒏)(∑𝒚𝟐−
(∑𝒚)𝟐
𝒏)
(1)
Pendekataan pada Collaborative Filtering secara umum baik user-based maupun item-based, menggunakan secara keseluruhan atau sampel dari basis data user-item untuk membangkitkan prediksi.
Pearsoncorrelation coefficient atau dalam bahasa Indonesia sering kita sebut dengan korelasi pearson adalah salah satu rumus yang digunakan untuk mencari hubungan antara dua variabel dan dilambangkan dengan r ,perhitungan korelasi ini dapat menghasilkan angka positif (+) dan negatif (-)memiliki nilai 0 -1.
2. 5. Perhitungan Prediksi
Metode untuk menghitung prediksi pada user u untukitem idengan persamaan (2), yang mana sebelum menggunakan persamaan ini kita diharuskan memilih user dengan rating tertinggi dari masing-masing item berdasarkan user rating.
Setelah menentukan item-item tertinggi bersadasarkan user rating setelah itu lakukan perhitungan prediksi berdasarkan persamaan (2).
𝑷(𝒖 𝒊) = ∑ 𝑟𝑢,𝑖∗𝑊𝑢1,𝑢2
𝑛𝑢
∑ 𝑊𝑢1,𝑢2𝑛𝑢
(2)
2. 6. Waterfall Process Model
Model Waterfall adalah model klasik yang bersifat sistematis, berurutan dalam membangun software. Nama model ini sebenarnya ”Classic Life Cycle” atau ”Sequential Linear Model”.
Waterfall adalah suatu metodologi pengembangan perangkat lunak yang mengusulkan pendekatan kepada perangkat lunak sistematik dan sekuensial yang mulai pada tingkat kemajuan sistem pada seluruh analisis, desain, kode, pengujian dan pemeliharaan.
Gambar 7.Waterfall Model
Keterangan :
𝑷(𝒖,𝒊) = Prediksi rating item i Oleh user u ∑ 𝒓𝒖,𝒊
𝒏𝒖 = Sumasi rating user u
terhadapitem j 𝑾𝒖𝟏,𝒖𝟐 = Bobot korelasi antara user u dan user lainnya ∑ 𝑾𝒖𝟏,𝒖𝟐
𝒏𝒖 = Sumasi bobot korelasi
antar user u dan user lainnya
Keterangan :
∑𝒙𝒚 = Sumasi dari perkalian rating x dan y
∑𝒙 = Sumasi dari ratingitem x
∑𝒚 = Sumasi dari rating y n = Jumlah user yang me-rating itemx dan y r = Pearson Correlation Coefficient
Universitas 17 Agustus 1945 Surabaya
Pada Gambar 7, bisa kita jabarkan pengertian dari masing-masing tahap sebagai berikut :
1. Requirentment Definition
Pekerjaan dimulai dari pembentukan kebutuhan-kebutuhan untuk seluruh elemen sistem dan kemudian memilah mana yang untuk pengembangan sistem.
2. Systems and Software Design Proses ini digunakan untuk mengubah kebutuhan kebutuhan diatas menjadi representasi ke dalam bentuk ” blueprint ” software sebelum coding dimulai. Desain harus dapat mengimplementasikan kebutuhan yang telah disebutkan pada tahap sebelumnya.
3. Implementation and Unit Testing Untuk dapat dimengerti oleh mesin, dalam hal ini adalah komputer, maka desain yang telah dibuat harus diubah kedalam bentuk yang dapat dimengerti oleh mesin, yaitu kedalam bahasa pemrograman melalui proses coding. Tahap inilah yang mnantinya dikerjakan oleh programmer.
4. Integration and System Testing Pada tahap ini, semua fungssi – fungsi software harus diujikan, agara software bebas dari error dan hasilnya benar-benar sesuai dengan kebutuhan yang telah didefinisikan.
5. Operation and Maintenance Pemeliharaan suatu software diperlukan, termasuk didalamnya adalah pengembangan karena software tidak selamanya begitu. Ketika dijalankan kemungkinan terdapat error kecil yang tak ditemukan sebelumnya, termasuk penambahan fitur yang belum ada pada software tersebut.
2. 7. Gambaran Awal Sistem
Sebagai gambaran awal dari sistem yang akan dikembangkan, Sistem Rekomendasi Tempat Tujuan Wisata ini
menggunakan pendekatan Collaborative Filtering serta memiliki beberapa kriteria sebagai preferensi dan acuan dalam proses perhitungan untuk menghasilkan rekomendasi tempat wisata yang dicari oleh pengguna sistem ini, aplikasi ini memiliki hak akses sama seperti kebanyakan aplikasi lainnya yaitu terbagi menjadi dua pengelola dan pengguna, pengguna pada sistem ini adalah visitor sekaligus uploader dan juga sebagai peratingsedangkan untuk pengelola selanjutnya akan kita sebut sebagai administrator.
Administrator mempunyai wewenang penuh terhadap pengelolaan aplikasi, sedangkan visitor adalah user yang hanya dapat mengunjungi laman aplikasi berbasis web ini dan hanya dapat memperoleh informasi tempat wisata serta rekomendasi dari sistem dan harus sign up dan sign in terlebih dahulu, uploader adalah user yang telah sign up sebagai member dan memiliki hak untuk mengunggah destinasi wisata baru, sekaligus memberikan preferensi untuk dapat diberikan rating oleh user lainnya, singkatnya adalah user yang terdaftar sebagai uploader adalah juga visitor,uploader tidak bisa memberikan rating kepada yang diupload.
Untuk memperoleh rekomendasi user tidak harus terdaftar sebagai uploader, akan tetapi apabila user ingin memberikan rating tempat wisata dan mengunggah destinasi wisata baru sebagai bahan rekomendasi, maka user tersebut haruslah mendaftar terlebih dahulu
2. 8. Rencana Pengujian
Adapun rencana pengujian perangkat lunak yang akan diuji dengan menggunakan metode black box, yaitu merupakan pengujian yang difokuskan pada spesifikasi secara fungsional dari seluruh bagian mulai dari input hingga otuput dari sebuah perangkat lunak yang dibuat.
Dalam pengujiannya akan disusun
secara berkelompok di dalam tabel. Berikut ini adalah tabel rencana pengujian rancang bangun recommender application system
Universitas 17 Agustus 1945 Surabaya
untuk pemilihan tempat tujuan wisata dengan menggunakan metode collaborative filtering.
No Komponen Skenario Uji Metode
1 Menu Utama Admin
Memilih menu pada halaman menu utama admin
Black Box
2 Menu Master User
Edit dan Delete User
Black Box
3 Menu Master Category
Input, Edit dan Delete dataCategory
Black Box
4 Menu Master Preference
Input, Edit dan Delete data Preference
Black Box
5 Menu Master Province
Input, Edit dan Delete data Province
Black Box
6 Menu Master Region
Input, Edit dan Delete data Region
Black Box
7 Menu Utama User
Memilih menu pada halaman utama menu user
Black Box
8 Menu Destination
Input New
data
Input Location
Memilih Preference
Upload Foto
Black Box
9 Menu Activities
Rate Destination
Black Box
10 Menu Personal Activities
Edit dan Delete data
personal
Edit dan Delete data Destination
Black Box
11 Menu Recommendation
Search DataRekomendasi
Black Box
Tabel 1. Tabel Rencana Pengujian
3. HASIL DAN PEMBAHASAN
Hasil yang diperoleh dari
implementasipembuatan Rancang Bangun
Recommender Application System Untuk
Pemilihan Tempat Tujuan Wisata
Menggunakan Metode Collaborative
Filteringini adalah:
3.1. Proses Sistem Rekomendasi
Berikut merupakan langkah dan
gambaran secara manual yang dijabarkan
melalui proses perhitungan secara
matematis berdasarkan algoritma dan
metode yang telah dibahas sebagai proses
rekomendasi yang diimplementasikan dalam
pembuatan aplikasi ini.
1. Dataset
Data ini berisi kumpulan data berupa
rating user terhadap item yang akan diolah
oleh sistem. Rating yang diberikan memiliki
range value antara 1 sampai dengan 5,
terdiri dari beberapa kriteria atau preferensi
yang memiliki rating value pada setiap
item, dapat dilihat pada Tabel 2.
Preference atau dalam bahasa
Indonesia sering kita sebut sebagai
preferensi atau kriteria mmerupakan bahan
pokok yang akan diolah dalam perhitungan
didalam algoritma pada metode ini.
Data inilah yang akan diolah pada
proses selanjutnya yaitu perhitungan bobot
korelasi antar userdengan persamaan
pearson correlation coefficient (PCC).
Tabel 2.Dataset rating user-item
Universitas 17 Agustus 1945 Surabaya
Proses pertama yang akan dilakukan adalah dari dataset pada Tabel 2, maka akan kita peroleh data matrik baru dari hasil akumulasi perhitungan rating value pada setiap preferensi disetiap item yang ditotal dan kemudian dibagi dengan jumlah total preferensi atau kriteria setiap item, seperti Tabel 3.
Tabel 3.Matrik Rating Value
2. Perhitungan Bobot Korelasi
Setelah mendapat dataset
selanjutnya adalah perhitungan bobot
korelasi antar user dengan menggunakan
persamaan (1) yaitu persamaan pearson
correlation coefficient (PCC).
Langkah awal adalah membuat
matrik x dan y seperti pada Tabel 3, untuk
dimasukan pada persamaan PCC, maka
akan diperoleh hasil seperti pada Tabel 4.
Nilai 1 menunjukan bahwa hubungan
tersebut berkorelasi atau sama
(similaritas), sedangakan jika < 1 maka
tidak ada korelasi atar user tersebut.
Dapat dilihat hubungan antara user A
terhadap user B yang memiliki bobot
korelasi -0.31 dan user A terhadap user C
memiliki bobot korelasi 0.87, maka dapat
dikatakan bahwa user A tidak berkolerasi
dengan user B, dengan kata lain semua
yang disukai user A tidak disukai user B,
begitu pula sebaliknya sedangkan user A
terhadap user C memiliki korelasi.
Tabel 4. Bobot Korelasi Antar User
3. Perhitungan Prediksi
Pada tahap selanjutnya adalah
perhitungan prediksi, setelah mendaptkan
bobot korelasi antar user seperti pada
Tabel 4, maka selanjutnya menghitung
prediksi menggunakan persamaan (2)
untuk menghitung prediksi maka dari tabel
matrik rating value akan diambil nilai item
yang tertinggi yang diberikan oleh user,
seperti pada Tabel 5, kemudian dari hasil
tersebut dimasukan ke dalam persamaan
(2) untuk diproses sampai menghasilkan
nilai prediksi dari masing-masing item.
Tabel 5. Rating User – Item tertinggi
Maka dari perhitungan dengan
menggunakan persamaan (2) diperoleh
nilai prediksi rating terbaru dari masing-
masing item kemudian diurutkan dari yang
nilai rating-nya tinggi hingga yang paling
rendahsepertipada Tabel 6.
Tabel 6. Hasil Prediksi
Universitas 17 Agustus 1945 Surabaya
3.2. Halaman Admin
Hasil implementasi pada halaman
admin, memiliki lima menu utama yaitu,
master user, master category, master
preference, master province, dan master
region.
Fungsi dari halaman admin adalah
untuk mengontrol dan mengelola master
data yang dibutuhkan oleh halaman user.
Hanya terdapat satu user yang dapat
mengelola halaman admin yaitu user root
Gambar 8. Halaman Awal Administrator
Gambar 9. Halaman login Administrator
Pada Gambar 9, merupakan tampilan
pada halaman login yang mana diminta
untuk memasukan username dan password
terlebih dahulu, setelah memasukan
username dan password selanjutnya akan
masuk pada halaman utama yaitu halaman
home administrator pada Gambar 10.
Pada halaman utama yaitu Home
akan terdapat lima menu utama yang
berfungsi untuk mengelola data master
sebagai pendukung dari halaman yang
diakses oleh public atau halaman user.
Secara keseluruhan masing-masing dari
menu memiliki fungsi dan struktur desain
yang sama, yaitu dapat memberikan input
atau masukan, update atau mengubah data,
dan menghapus data.
Gambar 10. Halaman Home Administrator
3.2. Halaman User
Hasil Implementasi pada halaman
user memiliki tiga menu utama yaitu, menu
recommendation, menu activities dan menu
destination, dan di dalam menu activities
terdapat menu personal activities yang berisi
data aktivitas user di dalam sistem
Sebelum masuk pada halaman
utama terlebih dahulu user harus login, dan
apabila belum memiliki user id untuk login
maka diwajibakan daftar terlebih dahulu
melalui menu sign up untuk mendapatkan
akses ke dalam sistem
Dalam menu sign up diharuskan
mengisi data pribadi berupa nama, email,
username, dan password. Setelah regitrasi
berhasil maka akan diarahkan lagi pada
halaman login untuk memasukan username
dan password jika registrasi gagal akan
muncul pemberitahuan dan akan tetap
diarahkan untuk mengisi data pribadi lagi
sampai berhasil
Universitas 17 Agustus 1945 Surabaya
Gambar 11. Halaman Login User
Setelah login berhasil maka akan
langsung diarahkan masuk ke dalam
halaman utama atau home, apabila login
gagal maka akan memperoleh notifikasi. Di
dalam halaman home, user dapat
mengakses menu-menu utama yang ada
Gambar 12. Halaman User
Menu recommendation digunakan
untuk memperoleh rekomendasi tempat
wisata yang diinginkan dan hasil yang
diberikan oleh sistem berdasarkan proses
perhitungan rekomendasi yang telah dibahas
sebelumnya pada pembahasan proses
sistem rekomendasi. Pada halaman
rekomendasi ini user atau pengguna
diharuskan memasukan parameter berupa
provinsi, kota atau kabupaten, dan jenis
wisata apabila ingin mendapatkan hasil
rekomendasi.
Hasil rekomendasi pada menu ini
berupa destinasi wisata yang memiliki rating
tertinggi berdasarkan perhitungan algoritma
yang ada pada metode collaborative filtering
untuk halaman menu recommendation bisa
dilihat pada Gambar 13
Gambar 13. Halaman Recommendation
Menu activities adalah menu yang
berisi hasil upload destinasi yang terbaru
dan pada menu ini user dapat memberikan
rating kepada destinasi terbaru yang muncul,
atau destinasi lain yang mungkin dicari oleh
user dan belum di rating oleh user tersebut,
apabila user ingin melihat detail dari
destinasi wisata tersebut maka klik pada
nama destinasi dan akan keluar seperti pada
Gambar 18.
Gambar 14. Halaman Activities
Menu destination, digunakan untuk
upload destinasi wisata baru oleh user yang
ingin mengenalkan dan mempromosikan
destinasi pariwisata di daerahnya, untuk
upload destinasi baru ini user harus mengisi
semua field yang tersedia dan memberikan
preferensi sebagai dasar untuk user lainnya
memberikan rating. Gambar 15, adalah
tampilan dari halaman untuk upload
destinasi baru.
Universitas 17 Agustus 1945 Surabaya
Gambar 15. Halaman Upload Destination
Menyiapkan prefrensi adalah tugas
administrator untuk menyiapkannya melalui
menu master preference di halaman admin,
sedangkan user hanya memilih preferensi
yang cocok dengan memilih pada check box
yang telah disediakan untuk destinasi wisata
yang diunggahnya seperti pada Gambar 16.
Gambar 16. Halaman Choose Preference
Dan untuk meberikan rating value
adalah tugas user lainnya seperti pada
Gambar 17, user yang mengunggah
destinasi tersebut tidak bisa memberikan
rating kepada destinasi yang diunggahnya
Gambar 17.Pop Up Rating Value
Pada halaman info, user juga dapat
menambahkan foto dari destinasi yang telah
diupload sehingga akan menambah daya
tarik bagi user lainnya untuk memberi rating.
Gambar 18. Halaman info Destination
3.3. Hasil Pengujian
Setelah dilakukan pengujian maka
hasil dari pengujian dapat ditampikan dalam
bentuk tabel sebagai berikut.
Komponen Skenario Uji Hasil Yang Diharapkan
Hasil Uji
1 Menu Utama Admin
Memilih menu pada halaman menu utama admin
Menampilkan Halaman Menu Utama
Berhasil
Tidak Berhasil
2 Menu Master User
Edit dan Delete User
Mengubah dan menghapus data user
Berhasil
Tidak Berhasil
3 Menu Master Category
Input, Edit dan Delete data Category
Menyimpan,mengubah dan menghapus data kategori
Berhasil
Tidak Berhasil
4
Menu Master Preference
Input, Edit dan Delete data Preference
Menyimpan,mengubah dan menghapus data Preferensi
Berhasil
Tidak Berhasil
5 Menu Master Province
Input, Edit dan Delete data Province
Menyimpan,mengubah dan menghapus data
Berhasil
Tidak Berhasil
Universitas 17 Agustus 1945 Surabaya
Provinsi
6 Menu Master Region
Input, Edit dan Delete data Region
Menyimpan,mengubah dan menghapus data kabupaten/kota
Berhasil
Tidak Berhasil
7 Menu Utama User
Memilih menu pada halaman utama menu user
Menampilkan Halaman Menu Utama
Berhasil
Tidak Berhasil
8 Menu Destination
Input New data
Input Location
Memilih Preference
Upload Foto
Menampilkan data-data info tempat wisata
Berhasil
Tidak Berhasil
9 Menu Activities
Rate Destination
Menampilkan data-data tempat wisata terupdate
Menyimpan rating value ke dalam database
Berhasil
Tidak Berhasil
10 Menu Personal Activities
Edit dan Delete data personal
Edit dan Delete data Destination
Mengubah dan Menampilkan data-data upload destinasi serta data user personal
Berhasil
Tidak Berhasil
11 Menu Recommendation
Search DataRekomendasi
Menampilkan Hasil Rekomendasi
Berhasil
Tidak Berhasil
Tabel 7. Hasil Pengujian
4. SIMPULAN
Setelah melakukan serangkaian
proses yakni analisa, perancangan sistem
dan yang terakhir adalah implementasi serta
uji coba dalam pembuatan sistem
rekomendasi pemilihan tempat tujuan wisata
dengan menggunakan metode collaboratie
filtering maka dapat ditarik kesimpulan
bahwa dengan adanya sistem rekomendasi
ini akan dapat mempermudah para
wisatawan atau para pecinta liburan untuk
dapat mencari informasi serta memberikan
informasi tentang tempat wisata baru
ataupun tempat pariwisata yang
menyenangkan dan tenang untuk liburan
berdasarkan rating tertinggi yang diberikan
oleh sesama pengguna sistem yang
tentunya sama-sama menyukai liburan ke
tempat tertentu.
Selain itu dengan adanya sistem
rekomendasi ini, sekaligus akan membantu
masyarakat untuk memunculkan atau
mengenalkan tempat pariwisata baru di
daerahnya masing-masing, sehingga
diharapkan dapat memunculkan potensi
wisata baru di berbagai daerah. Untuk
pengembangan kedepan penelitian ini akan
lebih baik jika diterapkan pada aplikasi
berbasis mobile dengan penyempurnaan
algoritma dan metode.
DAFTAR PUSTAKA
Kadir, abdul. 2008. Tuntunan praktis : Belajar Database Menggunakan MySQL. Yogyakarta : Andi Offset.
Miller, A Stephan. 2014. Getting Started with Phalcon. Birmingham : Packt Publishing Ltd.
Rada, Calin. 2015. Learning Phalcon PHP. Birmingham : Packt Publishing Ltd.
Ricci, Francesco., Lior Rokach., Bracha Shapira., Paul B Kantor. 2010. Recommender Systems Handbook. New York City : Springer Science + Business Media.
Schissler, David., Serghei lakovlev. 2016. Phalcon Cookbook. Birmingham : Packt Publishing Ltd.
Simarmata, Janner. 2010. Rekayasa Perangkat Lunak. Yogyakarta : Andi Offset
Singarimbun, Masri., dan Sofian Effendi. 1989. Metode Penelitian Survai (Edisi Revisi). Jakarta : LP3ES.
Yustanti Wiyli. 2010. Modul Praktikum Basis Data I II. Surabaya : Universitas Negeri Surabaya.
Yustanti Wiyli. 2010. Modul Praktikum Basis Data II. Surabaya : Universitas Negeri Surabaya.